基于神经网络的安全航速的计算

对安全航速影响因素进行量化,借助神经网络,预测在当时海上航行条件下,舰船应该采用的安全航速,给出基于神经网络的安全航速计算模型,对船舶海上航行安全有一定的指导作用.     

海洋气象环境影响下的复杂水域船舶路径规划

为提高复杂水域船舶自动生成路径的安全性与经济性,将海洋气象环境因素考虑在内,以船舶避开障碍物为前提,设计了以航行时间最短为目标的路径规划算法.在建立环境模型的基础上采用改进MAKLINK图生成可行路径,根据矢量合成及拟合模型分析海流及风浪对船舶航速的影响,从而确定路径权值,通过Dijkstra算法进行初始路径规划,采用改进粒子群算法进一步优化及平滑初始路径.以一艘集装箱船通过规划海域为例验证算法的有效性,并对风向和风级进行了敏感性分析.结果表明:考虑海洋气象环境影响生成的路径既可安全避开障碍物,又可节省航行时间,改进粒子群算法在缩短路径航行时间的同时可提高路径的平滑性.     

船舶航速优化综述

从航速优化模型、油耗预测模型、航速优化模型求解方法与船舶能效管理系统方面, 分析了国内外航速优化研究现状, 探讨了航速优化存在的问题, 并针对这些问题提出了建议。研究结果表明: 在航运市场持续萎靡的情况下, 经济航行将被更广泛应用, 针对航速优化的研究仍然具有重要的意义; 在航速优化模型方面, 目前多集中在以碳排放政策、不确定因素的影响、排放控制区政策、船队调度等为单一优化目标建立航速优化模型, 优化目标主要为成本最小化和利润最大化, 未来应将航速与航线、纵倾、船队部署联合优化, 考虑多种不确定因素、多种优化目标建立航速优化模型; 在油耗预测模型方面, 预测模型主要分为白盒模型、黑盒模型和灰盒模型, 白盒模型具有更好的可解释性, 黑盒模型的预测性能更好, 灰盒模型弥补了白盒模型和黑盒模型的缺点, 将成为未来的研究重点, 未来应基于精确的船舶数据和先进的人工智能算法进行数据学习, 提升油耗预测模型预测准确性; 在优化算法方面, 由于航速优化模型的复杂性, 大多采用启发式算法进行优化求解, 这种算法可以减少优化求解时间和提高求解质量, 未来需要探索更加精确高效的求解算法; 在优化策略方面, 采用大数据分析可以识别天气对航行的影响, 动态优化策略可以补偿环境因素引起的扰动, 能够进一步提升船舶能效水平; 在船舶能效管理系统方面, 船舶能效管理系统主要包括航行数据采集、数据传输、数据储存、数据分析与智能决策等功能, 由于其成本高昂, 目前尚未在船舶上大规模运用。      

基于湍流模型的船舶运动及吃水变化数值求解

以规划中的台州港黄礁作业区为例,运用湍流模型对船舶受重力、浮力、惯性力和摇荡运动产生的波浪扰动力、辐射流体力以及流体粘性力进行数值计算分析。结果表明:(1)设计等级为5万吨级的进港航道,拟运营的29000t油船在此进港航道中的富裕水深为4m;(2)波向对于船舶航行时富裕水深影响较大:迎浪时波浪对于船舶富裕水深影响为1.3m,横浪对船舶富裕水深影响为2.75m;(3)在进港航道回淤不超过3.6m,航速不超过5kn的情况下,此船舶仍然能够安全进出港。研究成果为其他港区计算分析船舶吃水、富裕水深及维护频次提供参考。     

液化天然气船通航模式下的航道通过能力评价方法

针对液化天然气(Liquefied Natural Gas，LNG)船通航的特殊性，提出一种船舶领域的实证方法，以定量界定LNG船移动安全区尺度，并构建LNG船通航模式下的航道通过能力模型。根据五号沟LNG码头所在航道船舶自动识别系统(AIS)数据，对所提出的航道通过能力模型进行实证分析。研究结果表明，LNG船移动安全区尺度误差在15~28 m，具有较高的精确度。LNG船进港通航影响下的同向和逆向航道通过能力分别为110~250艘·h-1、120~230艘·h-1；LNG船出港通航影响下的同向和逆向航道通过能力分别为140~240艘·h-1、90~230艘·h-1。从通航效率的角度， 建议LNG船在满潮前1 h的白天时段进港，航速可保持11 kn以上，但不应超过规定的最大航速； 从通航安全的角度，建议 LNG 船在满潮后 1 h 的白天时段出港且航速保持 9.5 kn 以下，以保障 LNG船航行安全。     

LM-CDBN超高层变形预测模型的构建与应用

为提高超高层建筑变形预测精度,对附有条件的深度信念网络(conditional deep belief network,CDBN)模型中权值及阈值调整方法进行了改进,使用LM (Levenberg-Marquardt)算法作为新的模型定权机制,构建了LMCDBN网络模型;将构建的LM-CDBN超高层变形预测模型应用于一座298 m超高层建筑中;然后用训练误差、预测值拟合度、预测结果稳定性组成的综合评价体系对模型进行了评价;最后,将LM-CDBN模型分别与深度信念模型(deep belief network,DBN)、极限学习机(extreme learning machine,ELM)、基于无迹卡尔曼滤波的支持回归向量机(unscented Kalman filter-support vector regression,UKF-SVR)进行了预测结果对比.结果表明:在超高层建筑的变形预测中,相比DBN、ELM和UKF-SVR,LM-CDBN预测精度分别提升了32%、55%及24%,模型的信息提取稳定性及处理时变系统非线性问题的泛化能力得到了提高.     

内河航道横流对船舶航行的影响

为了使船舶能安全通过航道内的横流区域,利用水槽进行遥控自航船模试验,提出了内河航道横流对船舶航行横漂速度、漂角、航迹带宽度和漂距影响的经验公式,分析了Ⅳ与Ⅴ级航道横向流速的限值范围。分析结果表明:横流对船舶航行的影响程度主要与对岸航速成反比,与横流的大小及区域长度成正比,与船型大小(航道等级)成反比,同时与驾驶员的航行经验和初始船位有关;在限制航路航行方式过程中,Ⅳ与Ⅴ级航道对岸航速为2、3、4m·s-1时,可克服的一个船长内横流限值为0.48、0.58、0.70m·s-1。     

基于实船油耗与排放的拖轮航速优化

利用便携式排放测试系统对上海外高桥港近海拖轮进行了油耗与排放测试,拟合了油耗、排放与航速的关系,建立了巡航工况下的航速优化模型,分析了拖轮最佳油耗和排放对应的航速。试验结果表明:船舶CO_2的排放因子与燃油的品质和船舶工况相关,与实船排放测试相比,使用经验排放因子估算排放率是可行的;当使用幂函数拟合CO、CO_2、THC、NO_x、PM、PN排放和油耗与航速关系时,各拟合曲线的决定系数均大于0.9;仅对油耗优化,当航速为7.21kn时,拖轮单次巡航工况下的总油耗达到最小值,相对最大航速12.00kn的油耗下降了33.40%;对油耗和NO_x排放进行优化,得到的最优航速最大;对油耗与所有排放同时优化,得到的最优航速最小;当航速为6.96kn时,拖轮的总油耗、NO_x、PM和PN总排放达到最优值,相对最大航速,总油耗下降了33.29%,CO、CO_2、THC、NO_x、PM、PN减排率分别达到59.56%、76.37%、82.34%、92.36%、53.10%和62.25%。可见,在最优航速时,拖轮总油耗与总排放均显著减小。     

海洋内波对航经中国黄海水域的船舶航行安全影响研究

中国黄海水域狭窄,航经水域船舶受海浪和海洋内波影响大,船舶海难事故频发.针对海洋内波诱发海难事故和人们长期以来轻视了在黄海水域海洋内波对航经此水域船舶安全影响研究的目的,采用观察法和SAR图像遥感技术证实海洋内波的存在,分析了海洋内波形成的基本条件和黄海海洋内波,论述了黄海海洋内波的基本特性和海洋内波的探测.指出了黄海海洋内波对船舶航行影响的结果,总结减少海洋内波对船舶航行安全应对措施的结论.正视黄海海洋内波的研究,重视海洋内波对船舶航行安全的影响,制定科学航行计划,采取恰当应急措施,保障船舶安全航行.     

船舶营运实时检测与节能控制系统

船舶节能是我国建设资源节约型社会和环境友好型社会的迫切需要,船舶营运实时检测控制系统采集主机转速、主机瞬时油耗、主机累计油耗、船舶航速、船舶航行累计里程、船舶经纬度、航向等相关参数,通过建模分析,对航行船舶的经济航速、航道、船舶操纵和船舶状态维修提供指导,获得了良好的船舶节能效果。     

基于GA-PSO混合优化的BPNN车速预测方法

BP神经网络(BPNN)已经用于车速预测方面的研究.针对BPNN不同的初始权值和阈值会影响车速预测精度的问题,提出一种基于GA-PSO混合优化的BPNN车速预测方法.以北工大西门到百葛桥为研究路径,构建基于BPNN的车速预测模型;将遗传算法(GA)和粒子群算法(PSO)的寻优过程进行融合,通过逐次迭代取最优的方式确定BPNN的最优初始权值和阈值,以此设计基于GA-PSO混合优化的BPNN车速预测方法.最后,以所选路径为对象,利用基于GA-BPNN的预测法、基于PSO-BPNN的预测法,以及提出的方法对车速进行了实验预测.结果表明,相较于前两种车速预测改进方法,本文方法的平均车速预测误差分别降低了37.1%和24.1%,有效地提高了车速的预测精度.     

30m级内河双体浮油回收船船型优化及快速性试验研究

30m级内河双体浮油回收船为我国内河首艘专业浮油回收船,要求该船当辖区内出现重大溢油事故时能够快速到达指定地点,并有效承担溢油清除任务。本文简要介绍该船在研发设计中,针对该船既要满足25km/h（13.5kn）的应急响应航速,又要在溢油清除作业1～4 kn低速时保持稳定,同时具备良好的操纵性能,在船舶快速性方面所做的试验研究工作。在研发设计中,针对该船设计方案选用单体或双体船型、尾部线型优化、带导管全回转舵桨和不带导管全回转舵桨等不同船型方案所进行的船模试验和分析研究,也对目前国内外较先进的收油机做一简单介绍。     

基于AIS数据的船舶安全航行水深参考图

通过挖掘海量AIS数据, 提出了一种新的航道水深信息获取方法, 即构建船舶安全航行水深参考图; 采用数据预处理的方法对历史与在线的AIS数据进行清洗和修补, 生成船舶运动轨迹; 选定船舶航行区域的时间与经纬度, 采用K-means聚类算法对船舶航行过程中的吃水数据进行聚类分析, 得到不同安全航行区域的船舶分类, 运用BP神经网络模型预测并补齐AIS数据中缺失的船舶最大吃水信息; 分割船舶历史轨迹, 当子轨迹的时间间隔在10~20min时, 采用Spline插值方法对船舶轨迹中的丢失数据进行插值; 采用凸包构建同类船舶的安全航行水深区域图, 将不同吃水类型船舶的安全航行水深区域图合并, 得到船舶安全航行水深合并图; 将不同吃水类型的船舶安全航行水深合并图与航道图叠加, 得到船舶安全航行水深参考图。试验结果表明: 当聚类算法参数设置为4时, 聚类后得到4类船舶, 对应的船舶最大吃水范围分别为0.1~4.8、4.8~6.6、6.6~10.0、10.0~13.0m, 对应的至少可通航船舶吃水分别为1.8、2.4、3.3、5.0m, 说明船舶最大吃水与至少可通航船舶吃水呈正相关关系; 构建的船舶安全航行水深参考图在电子航道图中覆盖了86%的航道, 并与航道图的深水部分重合率为80%, 因此, 构建的船舶安全航行水深参考图能反映航道水深的真实情况, 满足不同类别船舶的导航需求。      

集装箱船舶支线运输航线优化算法

以枢纽港船舶限制时间和支线船舶容量为基础,分析了轴-辐式网络运输模式。以船舶最小总航行时间为目标函数,建立了混合整数规划支线集装箱运输模型。通过设计巡回路线方法实现杂交和变异,更新了解的构成,运用遗传算法求解模型。计算结果表明:当船舶容量为150 TEU时,在160次迭代后,总航行时间为708.6 h,航线数量为8条;当船舶容量分别为100、150 TEU时,在150次迭代后,总航行时间为714.6 h,航线数量为9条;对枢纽港船舶限制时间和支线船舶容量进行方差分析,F检验统计量的概率值均明显小于0.05;对支线船舶容量和运营成本进行敏感性分析,增大船舶容量能够减小航线数量和运行时间,但增大了运营成本,增大枢纽港船舶限制时间能够减小航线数量;考虑航行时间和运营成本,当船舶容量为150 TEU时最合理。     

基于Pareto蚁群算法的船舶风险规避路径优化

船舶在海上航行时,一直面临着海上运输风险的威胁,为了降低海上运输风险同时考虑船舶经济效益,本文建立了以运输风险最小和航行成本最小的双目标路径优化模型,实现船舶风险规避.运用栅格法构建环境模型,为相应的栅格路径赋予航行成本和运输风险,并设计了一种基于Pareto最优解集和NSGA小生境方法的多目标蚁群算法.以印度洋海域的2条航线为案例,以经典单目标蚁群算法为对比,验证了模型和算法的有效性.结果表明,该模型和算法在解决船舶风险规避路径优化问题上具有良好的效果,能为决策者制定船舶海上运输风险规避路径提供决策参考.     

基于标准操纵的模拟器船舶靠泊培训在线评判

针对航海模拟器在操纵培训过程中无法及时有针对性的给出合理操纵建议的问题,提出基于标准操纵的在线评判,论述了标准操纵得概念和建立方法,分别对航向、航速、操纵和航迹进行在线评判,提高评判的及时性和培训的效率.     

基于支持向量回归的图像复原方法研究

针对退化图像复原问题,提出了一种基于支持向量回归的退化图像复原方法.该方法利用支持向量机回归算法非线性映射能力,通过训练样本对的学习训练,在退化图像与原始清晰图像之间建立映射关系,然后对测试样本进行复原.实际图像复原实验表明,得到的复原图像在视觉上和定量分析上都获得了比较好的效果.与神经网络方法相比,支持向量机回归算法克服了神经网络的模型选择与过学习问题、局部极小问题等.     

基于深海钻井平台动态定位系统的研究

随着海洋石油工业由浅海向深海的转移,动态定位系统在海洋工程船舶中的应用也越来越广泛,动态定位的级别也越来越高。本文就世界首艘圆筒形钻井平台某深海钻井平台的动态定位系统进行介绍,动态定位在海洋工程船舶上的应用将得到快速地推广,对航海科技的进步和航海安全水平的提高,必将产生深远的影响。     

SVR算法在指数预测中的应用研究

本文阐述了回归型支持向量机（SVR）的基本结构及训练方法,并在此基础上研究了基于SVR算法的股票指数预测方法。通过应用LS—SVM软件,选用RBF核函数。利用自学模型,对超参数不断进行优化,以加快运算速度,并最终建立了该算法应用于股市预测的模型。通过股票指数的建模与仿真结果表明,支持向量回归机在股票价格的中短期预测以及整体股票趋势预测有比较好的效果。